| English | 의미 |
|---|---|
| expected count/ekˈspektɪd kaʊnt/ | 기대 계수 |
적합도 검정의 가설
- 적합도 검정은 하나의 변수가 주장된 분포와 일치하는지 확인합니다.
- 영가 $H_0$: 주장된 분포가 맞음 (예: 명시된 모든 비율).
- 대안가 $H_a$: 분포가 주장된 것과 아님 (최소 한 가지 비율이 다름).
- $H_a$은 방향성이 아닌 단순 "무언가가 틀림"을 나타내는 문장입니다.
기대 빈도
- 한 범주의 기대 빈도 = $n \times$(주장된 비율).
- $100$개의 캔디를 각 $25\%$개씩: 색상별 기대 $= 100 \times 0.25 = 25$개.
- 기대 빈도는 정수가 아닐 수 있습니다. 정확한 값을 유지하십시오.
- 영가 모델이 평균적으로 예측하는 값입니다.
조건 확인
- 무작위: 데이터가 무작위 샘플이나 무작위화 프로세스에서 유래함.
- 10%: 무반환 표본 추출 시 $n \le 0.10N$일 것.
- 큰 빈도: 모든 기대 빈도 $\ge 5$(카이제곱 버전).
- 모든 기대 빈도가 $5$을 넘어야 하며, 그렇지 않으면 $\chi^2$ 모델이 신뢰할 수 없습니다.
자유도
- 적합도 검정에 $df = (\text{number of categories}) - 1$.
- 네 가지 캔디 색상 → $df = 4 - 1 = 3$.
- $df$은 p-value를 위해 사용할 카이제곱 곡선의 형태를 결정합니다.
- 샘플 크기가 아니라 범주의 수에 의존합니다.
카이제곱의 큰 빈도 조건은 '모든 기대 빈도 $\ge 5$'이지 관측값이 아닙니다. 기대 빈도를 모두 확인하십시오 — 작은 기대 빈도가 하나라도 있으면 검정이 무효화됩니다. 그리고 여기서 $df = \text{categories} - 1$(흔한 실수는 $n-1$을 사용하는 것인데, 이는 $t$용이며 카이제곱 적합도 검정용이 아님).
주사위가 공정한지 $60$번 굴려 검증합니다. $H_0$: 각 면이 나올 확률은 $1/6$입니다.
- 각出面당 예상 빈도: $60 \times \tfrac{1}{6} = 10$ (모든 $\ge 5$ ✓).
- $df$: $6 - 1 = 5$ (6개의 면).
- $H_a$: 주사위는 공평하지 않음 — 최소 한 면의 확률이 다름.
적합도 검정에는 영가 $H_0$(주장된 분포가 성립됨)과 대안가 $H_a$(성립되지 않음)이 있습니다. 기대 빈도 $= n \times$(주장된 비율); 무작위, 10%, 그리고 **모든 기대 빈도 $\ge 5$**을 확인하십시오. 자유도는 $(\text{categories}) - 1$입니다.
주장된 분포
기대 계수는 영 가설 분포의 비율에서 나옵니다.
공정한 주사위를 60회 굴렸을 때, 각 면에 대한 기대 계수는 무엇입니까? (60 × 1/6)
난이도 2/5 · 140 코인 + 오늘 첫 완료 시 소액 보너스
60 × 1/6 = 10.
6개의 범주를 가진 적합도 검정의 자유도는 얼마입니까?
난이도 2/5 · 140 코인 + 오늘 첫 완료 시 소액 보너스
df = 범주 − 1 = 6 − 1 = 5.
카이제곱 검정의 큰 계수 조건은 ...을 요구합니다.
난이도 1/5 · 100 코인 + 오늘 첫 완료 시 소액 보너스
모든 기대 계수는 최소 5여야 합니다.
기대 계수는 항상 정수여야 합니다.
난이도 1/5 · 100 코인 + 오늘 첫 완료 시 소액 보너스
정확하게 유지하십시오 — 정수가 아니어도 됩니다.
적합도 검정의 대안 가설은 ...来说합니다.
난이도 1/5 · 100 코인 + 오늘 첫 완료 시 소액 보너스
Ha는 비방향성인 '분포가 주장된 것과 다르다'입니다.